知识体系结构

主要的学习方式:还是先用,后学,再思考

无论是学分类、检测、分割、检索、NLP还是推荐,搞学术,最好能构建一套适合自己的baseline,其自定义的性质最好要高,方便自己深入研究


目前深度学习流行的特征提取器:
有三大类:
CNN 、 LSTM 、 Transformer


用投票模型融合方法进行最后结果的融合,看融合效果好不好,可以一定程度上看出,两个模型的提取能力是否一致等等


Pytorch的基本使用


Tenorflow和Keras的基本使用


工程应用


 

一 深度学习框架


 

二 机器学习


 

三 深度学习


 

四 个人常用网络


 

五 推荐系统


 

六. 语音技术


 

七. 模型融合


 

八 数据集不均衡问题


 

九 图神经网络


 

十 轻量化网络


 

十一 强化学习


 

十二. 调参工具


 

十三 回归问题


 

十四. 图像基础


 

十五. 医学图像诊断模型


 

十六 深度学习CV基础


 

十七 深度学习NLP基础


 

十八 python极简入门


 

十九 数学基础


 

二十 图像检索


 

二十一 数据标注



 

二十二 图的相关操作


 

二十三 人脸识别系列


 

二十四 深度学习的回归任务


待留

 


tf.layers.conv1d